0 引言

目前,自动制图研究出现两种研究倾向,第一种倾向是基于底层的制图研究,如王立生提出的基于人工蜂群算法的自动制图综合研究,实现了铁路节点目标选取模型[1],实用性与有效性较传统方法均有增强;张玉良将微粒群算法(PSO)引入制图综合,完成点群目标的选取[2]。第二种研究倾向是基于已有研究平台,建立制图模型,解决一类制图自动化问题。近年来较为热门的研究平台是ArcGIS的Model Builder,Model Builder是ArcGIS 9版本增加的数据处理建模工具,适宜于ArcGIS支持的一切数据处理问题,广泛应用于与GIS相关的选址和适宜性评估问题,如刘佳雨利用Model Builder 模型编辑器,通过构建5个单处理模型,实现了生态区鸟类栖息地的自动选择,提高了空间数据处理的效率和准确性[3];王华辰基于2SFCA 和Model Builder,分析出镇江城区餐饮服务业可达性分异情况[4];贺秋华等运用ArcGIS Model Builder建模方法,对1987年～2014年遥感影像解译成果进行空间分析并划分不同级别的孳生环境,圈定出洞庭湖区钉螺孳生环境[5]。在适宜性分析方面,徐家涛基于Model Builder对低丘缓坡地建设适宜性进行了评价与研究[6];李和平等也基于Model Builder进行了山地城镇控规用地适宜性评价[7];朱一晗等建立了小麦自然水分亏缺干旱评估模型,实现了数据处理计算过程的自动化与一体化,并取得较好的分析效果[8]。除此之外,Model Builder还可进行预测[9]与测绘产品辅助生产[10],功能极其丰富。在制图方面,Model Builder依据各自的空间数据和制图目标,实现各类制图自动化,如程辉基于Model Builder可视化建模环境,利用泰森多边形中有关垂直平分线的特性提取原多边形的中心骨架线,使提取结果更为简便和精确[11]。本文基于Model Builder,通过对空间数据进行插值、分类与提取,实现等值线/面自动化制图,达到预期制图效果,提高了制图效率,为其它相关制图提供一种新的技术视角。

1 Model Builder数据建模与处理

ArcGIS 9出现以前,空间数据分析与处理是单线流处理模式,一个操作流程完成一项分析或处理任务,多任务处理由单线流处理叠加完成,这种方法机械性强,易于出错,效率较低,逻辑理解性弱。ArcGIS 9采用模型数据集的方式将各数据处理流程有机联系起来[12],基于输入数据集→工具→输出数据集的逻辑关系组建出Model Builder数据处理工具,实现空间数据建模与处理。实质上,Model Builder雏形源于ArcView三维分析模块[13],用于复杂地理信息数据建模,运用脚本化和可视化图形建模方法,完成数据自动处理。Model Builder将数据处理模型进行可视化编辑,其输入输出数据可以为矢量、栅格数据、表格数据等,而工具可以是ArcToolBox中的任意工具。一个处理流中的输出数据,可以是另一个处理流的输入数据,这样彼此首尾相连,可构成复杂数据处理模型,而且模型是可视化和可编辑的,和单一数据处理相比,这种模型化的数据处理方式更有利于对数据处理进行编辑,极大提高数据处理自动化。

2 制图实验

2.1 制图数据与目标

矿体TEN之所以能进行边界计算,是由于TEN具有定位准、外表为平面和始终保凸三个特点[8],因此TEN是不规则矿体建模的首选。在2D条件下,TIN的关系由“边层次”决定,在3D条件下,TEN的关系由“面层次”来决定,三角形绑定了两个相邻的四面体,虽然位于三角形左右的四面体在三维环境中没有什么意义,但是它决定该面的法向量的方向,这在矿体分析中会起到作用,在这里用n+1个结点表示

制图区域位于阿尔及利亚阿德拉尔省南部山区,该区域南接撒哈拉沙漠,海拔高度在576～2001m之间,属热带沙漠性气候,炎热干燥,水系发育较为完全。制图原始数据为阿德拉尔省周边生石灰矿(CaO)1:10万分布图三张,其对应CaO含量分布栅格数据一份。实验制图目标为首先将少数采样点CaO含量进行空间插值,然后对含量进行重分类,再将重分类结果转换为矢量数据,最后对矢量数据进行平滑处理,得到制图区域CaO含量空间分布等值图。制图实验区域主要城市及CaO含量原始采样数据如图1所示。

根据表4统计数据并结合泊松分布参数计算公式，得到云南省MS6.5级以上地震的泊松分布参数为0.215 4。云南省每年发生MS6.5级以上大震发生概率为19.3%，约每5年发生一次。发生1次的概率为17.4%，2次以上的概率为1.9%。

图1 实验区域原始采样数据

2.2 模型设计

根据2所述,在Model Builder中进行数据建模,选择好原始数据集和中间数据集及相应处理工具,构建出如图2所示的制图流程图。为了平滑转换后的矢量数据,将设计的平滑子模型也在Model Builder中建模,得到如图2下方实线框所示的平滑处理模型。整个制图过程包括11步数据处理,由此可见,Model Builder建模使数据处理实现可视化,增强了数据处理可读性,避免了单步数据处理错误累积情形,提高数据处理正确性。

另外，在酒店住宿方面，做好落地和办理入住的时间衔接，避免造成一些不必要的麻烦，尽量选择离市中心比较近的安全地段。对于女性来说，尽量避免夜间单独出行。对于老年人，一定要记得带好平时常用的药物。对于自驾的游客，一定要了解当地的交通法规。熟记我国领事馆、大使馆的电话，万一在当地遇到突发状况，可以及时求助。

式中：ηt为汽轮机理想循环热效率；ηi为汽轮机的相对内效率；ηm为汽轮机的机械效率，取值0.99；ηg为发电机效率，取值0.99；ηb为锅炉热效率；ηp为管道效率，取值0.99。

图2 Model Builder自动制图流程图

2.3 Model Builder建模

结合制图目标,确定制图主要数据处理过程为插值运算、重分类、栅格数据转换矢量数据和矢量数据平滑处理。插值处理是将离散数据转化为相对连续数据的一种数据处理方式,常规方法有反距离加权法、最邻近法、克里金法、趋势面法等十几种方法[14,15],其中最常用的方法是最邻近法、反距离加权法和克里金法三种插值方法,但由于最邻近法插值精度较低,反距离加权法在制图中容易产生牛眼效应,因此本次制图插值方法选用克里金插值法,对应模型为采样数据集→克里金插值→栅格数据集。在ArcGIS中,分类方法主要包括自然断点法、等间距法、方差统计法、累计频率法、分形法等十几种方法,其中方差统计法是各种方法的基础,由统计学可知,超出3倍方差的分类概率较小,因此本次制图将3倍方差定义为限差,超出这个范围被视为分类异常,在重分类中,考虑到CaO分布图实质等值线/面制图,故选用累计频率法。栅格数据矢量化以后,不可避免会产生裂隙和锯齿,影响制图效果,因此数据建模中需套入平滑处理子模型,其处理方法是首先分图层计算转化后的各矢量单元面积,然后设定面积最小阈值并剔除小于阈值的数据,最后采用属性融合的方法平滑保留的多段线和多边形。

图3 Model Builder一体化自动制图成果

2.4 制图分析

依据前述制图流程,生成CaO分布各阶段成果图。图3(a)为由采样数据集经克里金插值后获取的相对连续的CaO含量百分率等值分布图,该过程实现了未知位置空间数据的插值,通过分层设色粗略对CaO含量进行了分级。图3(b)为以1倍标准差为测度进行的重分类结果,与图3(a)比较可知,图3(b)按新的间隔分类,突出表达了中间值区域数据,同时也保留了数量稀少的高值区域与低值区域数据,使制图对象比例发生微小变化,更适宜于阅图需要。图3(c)为重分类后转化的矢量图,由图2分析可知,该过程主要进行了栅格数据转化为矢量数据处理,但图上的小面积区域较多,造成显示杂乱,因此随后进行了矢量数据平滑处理,主要包括最小阈值设定、小面剔除、线面重提取、属性融合等处理过程,最终成图效果如图3(d)所示。

图3(d)为最终制图成果,显示了较好的分类和平滑效果,图3(d)在ArcGIS中运行仅需要3 min,期间完成数据处理11步,实现了一体化、自动化处理数据,提高了制图效率。与传统分步数据处理相比,Model Builder采用模型化数据处理的优点是:(1)共享性强,建立的模型可以保存下来,为类似数据处理提供模板,保存的模型既可以发布在SDE数据库中,又可以实现网络用户共享。(2)模型具有很好的开放性,处理工具灵活可变,模型可以自由进行参数设置、输入输出设置,模型之间可以相互嵌套,形成并列、包含等逻辑关系,易于构建复杂数据模型。(3)Model Builder模型与编程结合紧密,建立的模型可以运用Python脚本语言交互,降低编程门槛。(4)Model Builder实现数据处理流程化与自动化,它将各数据处理流程耦合在一起,着重解决数据处理一类问题,极大限度减少了数据处理环节,也减少了重复性工作。

3 结束语

基于Model Builder,本文对阿尔及利亚阿德拉尔省南部山区CaO含量分布进行了等值面制图,取得了较好的制图成果。运用Model Builder可视化建模,将ArcToolBox工具有机结合起来,使复杂数据处理变成一步自动化处理,有效减少单步数据处理可能出现的错误,极大提高数据处理效率。同时,基于Model Builder的数据处理模型兼具开放性和共享性,模型一方面可以为类似数据处理提供参考,另一方面也可通过微调处理工具,定制其它数据处理模型,不失为一种集高效率、智能化、自动化为一体的复杂数据处理有效方法,是当前数据处理、制图与分析的首选解决方案。

参考文献

[1] 王立生.基于人工蜂群算法的自动制图综合研究[D].甘肃兰州:兰州交通大学,2017.

[2] 张玉良.于微粒群优化算法的自动制图综合研究初探[J].现代测绘,2017, 40(4):24-26.

[3] 刘佳雨,杨武年,邓琮.基于ArcGIS Model Builder的生态区鸟类栖息地的选择[J].地理空间信息,2014, 12(3):115-117.

[4] 王华辰.基于2SFCA和Model Builder的城市餐饮服务业可达性建模分析[J].测绘与空间地理信息,2015, 38(8):126-128.

[5] 贺秋华,余德清,邹娟.基于ArcGIS Model Builder的洞庭湖区钉螺孳生环境圈定[J].测绘与空间地理信息,2016, 39(3):176-177.

[6] 徐家涛.基于Model Builder的低丘缓坡地建设适宜性评价方法研究与应用[D].云南昆明:昆明理工大学,2015.

[7] 李和平,王卓. Model Builder在山地城镇控规用地适宜性评价中的应用——以重庆巫山县江东组团控规为例[J].西部人居环境学刊, 2016, 31(3): 17-23.

[8] 朱一晗,薛丰昌,唐步兴,等.小麦自然水分亏缺干旱评估模型的GIS建模[J].测绘通报,2017(11):101-107.

[9] 陈文成.成矿预测中ArcGIS Model Builder的建模评价——以武夷山成矿带大深幅为试验区[J].地球信息科学学报,2013,15(1):81-89.

[10] 林璐,张宙,王爽.利用ArcGIS Model Builder辅助DEM生产的方法研究[J].测绘与空间地理信息,2016, 39(7):158-159.

[11] 程辉,唐南奇,唐亮.基于Model Builder中心线提取建模的制图综合研究[J].测绘与空间地理信息,2014, 37(5):81-84.

[12] 丁华祥,唐力明.空间处理建模技术的概念和应用——利用ArcGIS Model Builder工具实现空间数据的转换[J].测绘通报,2009(1):64-67.

[13] ESRI Inc.A review spatial analyst[EB/OL].(2008-05-05)[2017-05-05].http://www.esri.com/software/arcview/extensions/spatialanalyst/training.html.

[14] 王三军,胡现辉.稀少监测点沉降量插值方法选取研究[J].北京测绘, 2017 (3):71-74.

[15] 申艳琴,韩健健. LiDAR数据生成DEM滤波与插值方法选取研究[J].北京测绘,2017 (1):106-109.